导读

当人类历史很可能正迎来一场人工智能革命——步入一个由其主导经济生产和社会生活的新阶段。已有迹象表明,中美两国将在这一领域占据领先地位,并成为争夺主导权的主要竞争者。我们推测,人工智能革命可能会催生一个“后知识社会”,在这个社会中,知识本身不再像今天这样重要。相反,个体关系、社会身份,以及软技能(包括有效使用人工智能的能力)将变得更加重要。

本文聚焦基于大语言模型的生成式人工智能的社会影响,分析促进其技术发展的社会因素,并讨论其在扩大国际和国内社会不平等方面的潜在影响。

撰文 | 谢宇 索菲娅·阿维拉 (Sofia Avila)

● ● ●

随着OpenAI的ChatGPT和谷歌公司的Gemini(原名Bard)等基于大语言模型(LLM)的生成式人工智能(AI)工具的出现,人们自然地开始思考这种技术可能带来的社会影响。本文中,我们将基于大语言模型的生成式人工智能(Generative Large Language ModelAI,GenAI),并旨在对其社会影响进行初步探讨。

关于GenAI的社会影响的问题无疑至关重要,然而,目前的任何答案都只能是初步且推测性的。GenAI的发展仍处于早期阶段,我们可能需要数年甚至数十年的时间,才能完全认识其社会影响。然而,结合历史上技术变革的经验、对当前GenAI技术的理解、对社会的实证研究以及社会学的推理,我们可以进行初步的推测性讨论。

我们认为,GenAI的社会影响是巨大的,它不仅可能彻底改变商品和服务的生产方式,还可能从根本上重塑人类社会的组织方式和日常生活的本质。实际上,这项技术有可能显著加剧国际和国内的社会不平等,我们将在后续部分分别讨论这些议题。在探讨这些议题时,我们必须始终牢记,分析仅是推测性的,因为目前对这项技术及其能力的认知仍然有限。撰写本文时,我们借鉴了丹尼尔·贝尔(Daniel Bell)在1973年的开创性著作《后工业社会的来临》中所展现的雄心和风格。贝尔的著作早在数字时代真正到来之前就已出版,为我们讨论GenAI这项新兴变革性技术的未来影响提供了一个范本。

由于GenAI的潜在社会影响过于广泛,我们无法在一篇文章中全面探讨所有相关议题。此外,关于这项新兴技术的知识和想法仍在不断演进。因此,我们将在本文中以如下方式聚焦并展开讨论。首先,我们将探讨一些有利于GenAI技术发展的关键因素。然后,在此基础上,讨论这些因素如何塑造全球竞争格局,特别是中美两国之间在GenAI技术开发上的竞争,并推测这种竞争对跨社会不平等的潜在影响。接下来,我们将研究在采用GenAI的国家内部,GenAI日益增加的应用会如何改变职业结构以及扩大收入不平等。最后,我们通过对比在过去的经济活动中不平等产生和代际传递的方式,审视GenAI在更宏大的经济生产历史背景中的位置,并预测未来可能发生的变化。

01

影响GenAI发展的因素

探讨推动GenAI发展的因素对于理解这项技术的社会影响将会大有裨益。这有助于我们预测哪些国家可能主导GenAI的开发——这是决定哪些国家会承受哪些经济和社会政治后果以及判断不同人群在何种程度上可能经历职业结构变化的关键因素。

(一)规模因素

需要明确的是,GenAI是一项技术,而非一项科学发现。技术有两个显著特点:累积性和共享性。首先,技术具有累积性,每项新技术进步都会增加现有技术的储备。除了极少数的保密或知识丧失的情况,技术发明的积累随着时间增长。其次,技术具有共享性,新的发明不仅惠及发明者,也惠及整个共同体。尽管某些技术有时受到家庭、企业或国家的知识产权保护,但重要的是一个共同体的“最佳”技术,而非个体层面的平均技术。因此技术是属于共同体的,就其内在属性而言是共享的。这里的共同体可以是民族国家、次国家区域,或是拥有相同语言、文化或政治体系的国家集群。在GenAI的背景下,共同体的规模(我们称之为“规模因素”)极为重要:规模越大越好。我们提出四个原因来解释这一点。

第一,社区的规模对GenAI技术的发展至关重要。过去,技术发明通常源于努力尝试和反复试错,而非科学推导(Bell,1973)。一项给定的发明不太可能是纯粹偶然的结果,假设其他条件相同,一个更大规模的技术交流群体会有更多的试错机会,从而提高在共同体内产生重大发明的可能性。例如,古代中国尽管没有现代意义上的科学体系,但在技术上却表现出色,这在很大程度上得益于其庞大的人口基数,大规模的人口促成了无数的试验和改进。此外,中国悠久的书写传统进一步促进了信息在群体中的共享。

如今,技术进步依赖于现代科学而非简单的试错。因此,开发GenAI技术需要受过充分训练的人力资源,但相对于拥有相似教育水平的小规模人口,一个更大规模的人口更容易提供足够的资源,以培养一批受过科学训练的人才来满足这一需求。

第二,共同体的规模越大,开发GenAI技术的成本效益就越高。这一原则源于经济学中的规模经济概念,即更高的生产水平能降低单位成本。开发GenAI技术需要大量投资,包括最新的计算机硬件、复杂算法和庞大的数据处理能力。只有在足够大的市场中,私营企业才能分摊这些成本并实现盈利。此外,GenAI具有“非竞争性品”的特征(Romer,1990):新增用户的使用基本不会减少其可用性或价值。一旦开发完成,新增用户的边际成本几乎为零。所以大市场中的企业能够负担高昂的开发成本,后续还可以从庞大的消费群体中收回巨额成本。由于消费的边际成本近乎为零,以及有互联网作为传递技术的机制,更大的共同体促进了GenAI技术的消费。

第三,由于技术的第一个特征——累积性,GenAI技术还应体现出一个在科技领域常见的模式:累积优势。正如我们所解释的,大市场中的企业有可能先行开发GenAI技术,因为他们具备吸收高成本的条件。然而,即便技术成熟并能被其他企业复制,先行者依然拥有一项基本的优势——累积优势。累积优势源于两方面。一是用户在某个GenAI应用上习得的知识和技能并不能完全转移到新的GenAI应用上。也就是说,一旦个人或企业投入时间去熟悉某个GenAI企业的产品,其转向其他产品的成本就会更高。二是用户与GenAI界面的互动本身就是改进技术的重要数据。因此,先行企业能够利用用户数据进一步将其产品与竞争对手的产品区分开来。当然,在生成式人工智能领域,“先行者”并不一定能够保证获得优势———他们的创新可能会被资源丰富的竞争者复制并改进。但总体而言,GenAI技术的初步开发有利于大型共同体,一旦取得成功,这些共同体会以自我强化的方式持续繁荣。

第四,规模大且识字率高的共同体在生成大体量数据方面具有优势。人类历史迄今为止经历了三次重大技术革命:农业革命(约公元前10000年)、工业革命(约18世纪)和信息技术革命(约20世纪后期)。我们即将迎来第四次技术革命——人工智能革命。农业依赖土地和气候,工业依赖资本,信息技术依赖人力资本,而人工智能则依赖大量数据用于训练和微调(同时在某种程度上仍然依赖人力资本)。一个人口众多且相对富足的社会,有能力获取充足的人力资源和数据。

综上所述,本节阐明了规模因素在GenAI技术发展中的关键作用。经济上的效率低下、实际挑战以及数据不足是小型社会在开发该技术时面临的主要障碍。有意思的一点是,规模因素的作用在农业技术中曾至关重要,但在工业时代的重要性有所减弱,而在当前以GenAI技术为标志的人工智能革命中,规模因素重获重要地位。

(二)语料库特异性和语言特异性

GenAI系统之所以能够生成有用的类人文本响应,是因为它们的训练依赖语料库(即大批文本的集合)作为输入。因此,任何GenAI的表现都必然受到其所使用的特定语料库的影响。换言之,这项技术的表现取决于所用语料库的质量。这种对特定语料库的依赖限制了GenAI的能力。例如,在叙述历史事件时,GenAI的准确性上受限于训练数据的覆盖范围和准确性。如果某些历史事件由于被忽视、证据有争议或因政治审查而未被记录,这些内容就无法在模型的响应中得到准确的反映。此外,不同语料库可能会导致不同的输出。在考虑到语料库的文化和政治背景时,这一特性尤其重要。在多元文化或国际语境中,不同语料库可能反映不同的叙事和偏见,从而得到不同的响应。

已有研究揭示了基于英文的GenAI技术中的性别与种族偏见(Kantharuban et al.,2024),例如,ChatGPT的回答会因用户姓名所暗示的种族和性别而有所不同。即使用户未明确透露自己的种族,GenAI也可能生成带有种族刻板印象的推荐内容(Kantharuban et al.,2024)。此外,不同语言之间的差异也可能较大。例如,用英语和中文提出一个相同的问题,可能会产生不同的回答,这反映了每种语言所特有的叙事和背景。正如Kan-tharuban et al.(2024)所指出的,大语言模型生成的回应反映了用户的需求以及用户的身份。

为理解语言在GenAI中的作用,我们在2023年12月测试了OpenAI的ChatGPT4.0:用英语、中文、日语和缅甸语四种语言向ChatGPT4.0提出一系列相同的问题。除改变语言外,我们还改变了用户的民族身份,例如将用户设定为中国人或日本人。部分问题涉及政治和文化,其中一个问题是关于一位著名的政治领袖,另一个问题则是关于“龙”。我们在实验中有以下发现。

其一,对于各国普遍认可的概念和事实,例如科学术语和科学发现,不同语言之间的回答没有差异。

其二,对于各文化之间有所不同的概念,如餐桌礼仪,语言的影响小于用户身份的影响。

其三,对于在特定语言中具有独特含义的概念,如“龙”,输入的语言会产生影响,无论用户的自我认同如何设定。

其四,对于根据政治体制或国家而具有不同含义的术语或概念,语言的影响显著。在涉及政治敏感的术语或概念上,用户使用中文输入时得到的回答与使用英文时有显著不同。这是一个令人惊讶的发现,因为我们使用的都是ChatGPT4。

其五,用英语提问和用例如缅甸语这样的小语种提问,得到的答案差异很小(尽管部分回答并不连贯或难以理解)。我们推测ChatGPT的小语种回答是基于英文语料库生成的。

后三点体现了GenAI的语料库特异性,即语言特异性。这是因为GenAI的训练需要的数据集——语料库,只能存在于特定的语言中。虽然理论上GenAI技术可以将用户输入翻译成不同语言,但它在原始训练数据的语言(如英语)中表现最佳,因为许多表达方式是某种语言所特有的,无法轻易转译。换言之,翻译技术具有内在的性能限制。因此,即使算法完全相同,GenAI模型的响应也会因输入的语料语言不同而有所差异。由于GenAI技术的语料库是特定语言的文本数据,语言在最终产品中具有影响力,部分是通过前述的“规模因素”。规模越大,语言对技术性能的影响力越显著。我们注意到,语言并不一定局限于单一国家,例如英语在许多国家和曾为英国殖民地的地区使用。

相反,一个国家内可能使用多种语言,如加拿大的英语和法语,印度的多种官方语言。因此,GenAI技术生产的一个重要因素是使用某种语言的人口规模。不同语言的人口规模有很大差异。在图1中,我们列出了世界上最常用的语言,英语居于首位(有13亿使用者),其次是中文(有11亿使用者)。尽管印度是目前世界上人口最多的国家,但印地语的使用规模仅排第三。

图1 各语言使用人口规模 数据来源：《民族语》（Ethnologue）2022年，第25版。

像世界上其他社会和自然现象一样,语言使用的分布高度偏斜,遵循幂律分布。少数语言,如英语和中文,为大量人群使用,而大多数语言的使用人群很少。在图2中,我们展示的图像表明语言使用人口规模符合幂律,其帕累托系数为：

图2 各语言使用人口规模的幂律分布 数据来源：《民族语》（Ethnologue）2022年，第25版。

另一个复杂之处在于，使用某种语言的人口规模不能完美预测该语言的文本数据量。例如，虽然印地语是第三大语言，但印地语使用者中仍不识字的占很大比例，因此无法产生文本数据（Statista，2024）。此外，因为印度的许多精英使用英语接受教育以及交流，印地语的文本信息无法与其使用者规模排名相符。例如，在报纸和杂志出版方面，印地语排名第四；在书籍出版方面，印地语未进入前12名（Lobachev，2008）。因此，语料库和语言特异性会为拥有庞大且受过良好教育人口的语言共同体带来优势。

02

国家间的不平等

正如前文所述,GenAI技术的发展优势或劣势难以简单地以国家为单位来衡量。毕竟,规模因素和语料库的特异性是对语言和社会文化共同体造成优势和劣势,而这些共同体的分布并不一定与国家边界完全重合。然而,在分析GenAI技术的竞争格局时,以国家为分析单位仍然具有重要意义。

GenAI技术的投资和发展主要源于人们认为其在提升经济生产力方面的潜力。随着GenAI技术的不断进步,可以预期该技术的分布格局将发生显著变化。目前,GenAI的企业对企业商业模式主要采取订阅制的企业软件形式,即采用GenAI技术的企业需要向GenAI供应商如OpenAI支付月费或年费。随着技术改善以及企业围绕技术调整战略,企业可能会减少雇佣并且逐步实现工作任务的自动化。从本质上讲,这可以被理解为一种外包形式,企业使用更为廉价的第三方替代服务来完成部分任务,从而提升自身利润,同时也增加了服务提供商的利润。当工作被外包至他国时,原本可以留在国内的资金可能会流失。这在GenAI的情境下尤为重要,因为开发这些工具的主导企业集中在少数几个国家,因此很可能会捕获该技术产生的相当大一部分收益。

除了经济方面的问题外,文化和社会因素也可能进一步加剧国家间的不平等。也就是说,对大规模语料库的需求系统性地让小语种人群处于不利地位,因为他们可能受制于开发GenAI技术的国家在文化和政治上的主导。GenAI工具生成的内容基于其训练数据,因此会反映这些文本和图像背后的态度和观念。例如,OpenAI的GPT-3的训练数据有大约60%来自CommonCrawl(Brown et al.,2020),这个互联网档案库包含了规模以拍字节计的爬取自网络的数据。据估计,CommonCrawl的数据中有46%的文档主要是英语,这些内容可能充斥着英语创作者的价值观。

第二次世界大战后,全球政治的主要主题是民族独立和自决(Jackson,2000),从殖民统治中获得解放。如今由于AI革命,GenAI的到来显示出了逆转这一长期趋势的风险,因为它使小国重新依赖于处支配地位的国家。换言之,AI革命的到来可能会加剧国家间的不平等,使拥有先进AI技术的大国占据优势,使缺乏独立AI技术的小国面临不利局面。尤其是中美在地缘政治上的紧张和冲突,可能会引发全球技术竞争,使其他国家在技术上依赖它们。

GenAI技术也在全球范围内对当前的法律体系提出了挑战。长期以来,人们普遍接受每个国家在其领土范围内拥有发布法律的主权。然而,正如我们之前所讨论的,GenAI技术必然会超越国界。只有在数据隐私、政治审查和跨境数据流动等法律领域的国家差异得到解决后,才能实现GenAI的跨国共享。

目前,欧洲可以被视为数据监管的全球领先者:欧洲委员会的《欧洲数据战略》和《通用数据保护条例》共同构建了一个统一且受监管的数据市场,旨在实现确保欧洲的全球竞争力和数据主权的双重目标(EuropeanCom-mission,2024)。相比之下,美国缺乏联邦层面的数据监管框架,但一些州已制定了全面的数据监管法规,例如加利福尼亚州的《隐私权法案》和康涅狄格州的《个人数据隐私和在线监控法案》。值得注意的是,尽管截至2023年年底只有五个州拥有强有力的数据隐私法规,但另有14个州已通过隐私权立法,这些法规预计将在2026年年初以前生效。与此同时,中国正逐渐成为全球数据监管的重要力量。在过去五年中,中国制定了多项法律,如《网络安全法》、《个人信息保护法》、《数据安全法》以及《数据出境安全评估办法》。这些法律旨在建立一个由中央控制的数据治理体系,出于国家安全和公共利益的原因限制跨境数据流动,体现出数据监管方式的日益严格。在限制跨境数据流动的同时,中国政府与国内的AI企业合作,处理高价值的政府监控数据,助力国内的创新,提升这些企业的算法。例如,Beraja et al.(2022,p.1702)认为,这种公私部门的合作“可能为中国企业在面部识别的AI技术上成为领先的创新者提供了帮助”。

03

美国与中国的案例

如果GenAI的兴起可能加剧国家间的不平等,一个重要的问题是哪些国家可能成为这些工具的领导者,从而相对其他国家占据优势。一些学者和行业领袖认为,美国和中国有望利用其丰富资源和对AI研发的战略性投资,主导该领域(参见Graham et al.,2021)。我们根据上述影响GenAI发展的因素来考察这两个国家。

如前所述,美国和中国受益于其大量使用英语和汉语的人口。此外,大量文字作品以这两种语言发布。例如,1995年全球出版的918964个书名中,英文书名数量最多,达200698个,占总数的21.84%;其次是中文书名,达100951个,占总数的10.99%(Lobachev,2008)。与这些数字密切相关的是,中国和美国在书籍出版方面占主导地位。2015年,中国出版了470000本书,美国出版了近339000本,而英国则远远落后,以173000本排名第三(International Publishers Association,2016)。因此,美国和中国在获得用于训练GenAI系统的英语和汉语大型语料库方面拥有优势。

在技术能力方面,美国在GenAI创新方面处于领先地位,并且是该技术的创始国。尽管人工智能的确切起源尚存争议,但显然美国的大学在其创建中发挥了关键作用。有些人将GenAI技术的起源追溯到艾伦·图灵(AlanTuring),其1950年的论文《计算机器与智能》(“ComputingMachineryandIntelligence”)探讨了人工智能的数学可能性,并建立了构建和测试这些机器的框架。几年后,达特茅斯学院组织了达特茅斯夏季人工智能研究计划,这是一个历史性的会议,顶级研究人员测试了图灵的一些想法,并讨论了他们对该领域的愿景(Anyoha,2017)。神经网络对于GenAI模型的统计训练至关重要,而神经网络的开发也源于美国大学的研究,有时还得到美国国防高级研究计划局等政府机构的资助(Anyoha,2017)。

在过去的几十年里,GenAI技术的最前沿研究也在美国的公司里进行。事实上,曾在1996年战胜了国际象棋世界冠军加里·卡斯帕罗夫的著名象棋计算机“深蓝”,最初由卡内基梅隆大学开发,但最终在IBM研究院完成。多年以后,谷歌DeepMind—一个美英合作的研究实验室,通过其在神经网络模型方面的创新,在围棋比赛中战胜了一位职业选手。谷歌还开发了推动分子生物学领域重要进步的产品,并在GenAI研究领域发表了上千篇论文。谷歌还被认为是Transformer架构的创始者,这是一种广泛应用于大多数大型语言模型的深度学习架构。最后,在2019年获得微软巨额捐赠支持的OpenAI迅速崛起为该领域的领先者之一,其产品包括多个语言模型,最著名的是GPT-3和GPT-4,它们为广受欢迎的聊天机器人和虚拟助手ChatGPT提供支持。ChatGPT于2022年11月推出,并在次年1月便达到了1亿用户。OpenAI助力催生了一场“AI热潮”,这一热潮的特点是呈指数级增长的投资流向OpenAI和Anthropic等专门从事AI业务的公司,以及在AI领域占有重要地位的科技巨头,如Meta、苹果、Alphabet、亚马逊和微软。

GenAI领域的行业领导者主要集中在美国,但中国正迅速崛起,成为美国的强劲竞争对手(Chou,2023;Kallenborn,2019;Li et al.,2021)。中国的AI产业正在迅速发展,包括阿里巴巴、百度和腾讯等知名公司。更广泛而言,自1978年中国启动经济改革以来,持续快速的经济发展极大地推动了中国在科学技术方面的进步(Xie et al.,2014)。值得注意的是财富或财产积累很少,社会优势和劣势的传递主要通过基因和运气实现(Smith et al.,2010,p.21)。

农业革命之后,农业经济的特点是永久定居、人类组织和不平等的上升。随着农业的出现,人类开始拥有私有财产,其中最重要的是土地。由于农业生产高度依赖土地,土地所有权成为社会不平等的主要基础,土地的代际传递使社会优势和劣势通过继承的形式延续下去。后来,工业革命带来了机器,机器取代了人力和畜力,成为主要的生产资料(Bell,1973;Stearns,2020)。在工业经济中,制造品变得丰富,在历史上首次将生活水平改善到了生存线以上(Clark,2007)。对于少数资本家来说,资本的所有权成为收入来源,即财产收入(Piketty,2014)。然而对于大多数人来说,操作机器构成了劳动收入的基础。因此在这种经济中,社会优势和劣势的代际传递所采取的形式是技能传递和资本继承。

最近,我们正亲历被称为知识经济的后工业经济时代。丹尼尔·贝尔(Daniel Bell)在其1973年的重要著作《后工业社会的来临》(TheComing of Post-industial Society)中对这一概念进行了广泛讨论。知识经济的主要产出是服务。许多例行工作被计算机替代,知识的重要性日益增加。这显而易见,因为许多专业服务业,如法律、健康、金融和教育部门需要专业知识。因此,父母有强烈动机投资子女的教育,作为代际转移支付的方式。当然,对于少数富人来说,资本仍然是一项重要的生产要素。

如今,随着AI技术不断发展,我们可能会进入一个后知识经济社会,伴随而来的是新的代际不平等传递形式。我们推测GenAI将使知识在劳动力市场中的重要性降低。不仅是商品的制造,服务也将由AI驱动的机器实现自动化供应,因此大多数人可能不需要长时间工作,因为机器可以代替他们完成任务。如果这些技术的生产继续集中在少数国家,这可能会增加小国对美国和中国等国的经济依赖,并可能引向非正向的文化主导形势。除了国家间的不平等,国内社会也可能出现深刻的分化,少数人占据精英的位置并长时间工作,大多数人则对商品生产和服务提供的直接贡献很少。这可能带来职业阶梯消失的问题,传统的职业生涯路径被打破,劳动力市场更加深入地走向极化。

在未来的AI经济中,什么将变得最为重要?对于少数人来说,作为生产资料的资本和AI技术的所有权依然重要,而且可以传给下一代。对于已处于高职位的从业者,任务的多样性、高频率的客户接触,以及工作和个人身份的独特联系为其提供了工作保护。低收入职位中从事体力劳动或人际服务工作的工人也更少面临AI的直接威胁,经历这波经济转型的冲击可能不会那么剧烈。然而,许多中等收入岗位的劳动者已经感受到了新技术的影响,并面临更高的替代风险。对于这些劳动者而言,个性和软技能可能在劳动力市场中发挥巨大的作用。对于那些直接接触GenAI的劳动者,其价值将取决于他们利用AI的能力,即Qinetal.(2024)提出的“AI商”(Artificial Intelligence Quotient,AIQ),以及他们在人际交往中展现自我的方式。社会身份与个人身份将变得至关重要,人际关系也将会起到关键作用。有效运用AI等软技能将会成为未来劳动者的核心竞争力,社会地位的代际传递很可能表现为这些软技能的传递。

06

结论

GenAI的重要性很可能会持续扩大,并以我们目前无法完全预测的方式从根本上改变人类社会。鉴于这些新工具可能加剧美国和中国等国家中已然在不断扩大的不平等现象,制定政策来规范这些技术并对抗其可能带来的有害分配效应至关重要。2024年,美国劳工部宣布了一套新原则,旨在为希望采用GenAI技术以提升工作质量并保护工人权利的雇主提供指导(Department of Labor,2024)。尽管这样的指导是重要的一步,但在联邦层面设计有效的政策来引导GenAI的发展并不容易,因为每个行业——甚至每家企业的自动化需求都非常特殊,这使企业行为难以监管。组织化劳工在最小化工作岗位流失和保护工人免受自动化的有害影响方面也可能发挥关键作用,但劳工运动面临诸如工作权法和雇主的反工会策略等严峻挑战,这使得组织化变得困难。为确保向AI经济的平稳过渡,各国不仅应规范GenAI技术,还需完善保护工会的法律,以确保健康的权力制衡。

GenAI技术的发展依赖规模因素,使大国相对于其他国家拥有优势。美国和中国目前在GenAI领域处于领先地位,并将继续发挥其优势。鉴于GenAI技术的语料库特异性和与之相关的语言特异性,这两个国家将向其他国家提供内容反映不同政治体系和文化的服务。我们预计,美国和中国之间在GenAI技术主导权上将展开激烈竞争,因为这关乎全球的重大利益。

我们推测,由于AI革命,一个后知识社会即将到来。如果产品和服务可以通过AI驱动的机器轻松提供,将可能会发生大规模的工作岗位替代。替代尤其可能发生在目前被认为是中产阶级的劳动者身上,比如教师、会计、职员、计算机程序员、工程师、编辑、医生和律师。处于社会层级顶端和底层的劳动者不太可能被替代。知识和硬技能的重要性将减弱,而软技能的重要性将增加。在这种未来的AI驱动社会中,人们将不再那么在意产品和服务的物质条件(如质量),因为AI会使其差异性减少。相反,消费者将更在意是谁提供了这些产品和服务,个人身份将变得更有意义。在购买产品和服务时,人们将更少受客观标准左右,更多受个人主观品味影响。个人和企业将不再由于满足他人的物质需求获得成功,而是由于满足他人的心理需求——使人们感到快乐和满意。

与之前描述的其他技术进步一样,GenAI有潜力通过降低商品成本、让劳动者有更多时间追求个人兴趣、从事创造性活动以及为社区做出贡献来推动经济发展并提高生活水平。然而,正如本文所论述的,如果向AI驱动的社会转型没有得到妥善管理,这项技术也可能加剧国家间和国内的不平等。适当的政府监管对于确保伦理标准、缓解风险以及营造一个包容性的环境至关重要。在这种环境中,

人工智能的益处才能够得到广泛共享。

(感谢刘雯、吴钩、Dean Minello的研究助理工作以及黄青、李适源、聂雨琪的文字润色工作。)

原文：谢宇 & 索菲娅·阿维拉.(2025).基于大语言模型的生成式人工智能的社会影响.经济学(季刊),25(02),273-292.doi:10.13821/j.cnki.ceq.2025.02.01.